MétaCan
Menu
← Retour à la cohorte
Enregistrement W4235731707 · doi:10.1149/ma2014-02/21/1225

Measurements of Permeability and Effective in-Plane Gas Diffusivity of Gas Diffusion Media Under Compression

2014· article· en· W4235731707 sur OpenAlexaff
Prafful Mangal, Mark Dumontier, Nicholas B. Carrigy, Marc Secanell

Notice bibliographique

RevueECS Meeting Abstracts · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueFuel Cells and Related Materials
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésThermal diffusivityKnudsen diffusionMolecular diffusionPorous mediumGaseous diffusionMass diffusivityOxygen transportPermeability (electromagnetism)Limiting currentMaterials scienceDiffusionThermodynamicsChemistryConvectionOxygenMechanicsAnalytical Chemistry (journal)Composite materialPorosityMembraneChromatographyElectrode

Résumé

récupéré en direct d'OpenAlex

Mass transport is one of the key factors limiting the performance of polymer electrolyte membrane fuel cells (PEMFC). Mass transport in the gas diffusion layers occurs mainly by molecular diffusion. However, convection might also become important under some circumstances. For example, in serpentine fuel cells, convection might be important at the channel bends [1]. Knudsen diffusion might also have a small role for cases where, due to high PTFE loading and high compression, the average pore size in the GDL is reduced. An experimental set up based on a diffusion bridge has been developed to determine the in-plane permeability and effective molecular diffusivity of gas diffusion layers used in PEMFC both uncompressed and under compression. In order to estimate in-plane permeability, nitrogen is introduced in one channel and passed through the porous sample and the pressure drop is measured. In order to measure in-plane diffusivity, nitrogen and oxygen are passed in separate channels connected only by the porous media. The oxygen concentration is measured in the nitrogen channel using an oxygen sensor. Further, by applying a pressure differential between the channels the ratio of convection and diffusion is modified. In order to estimate in-plane permeability and effective molecular diffusivity from the experiments, several one-dimensional mass transport models are implemented. In this study, a combined Fick’s and Darcy’s model, and the modified binary friction models are implemented and used to estimate the permeability and effective oxygen diffusivity [2]. The experimentally measured pressure drop and the oxygen concentration at different flow rates and differential pressures are used to estimate the in-plane permeability and oxygen effective diffusivity using least square parameter estimation. Using the procedure described above, the effect of compression and PTFE loading on in-plane permeability and effective molecular diffusivity are studied. GDL Toray 090 samples with different PTFE loading, i.e. 0, 10, 20 and 40%, are tested at 4 different compression levels corresponding to a thickness of 250, 225, 200 and 175 μm. Results show that in-plane permeability varies in the range of 2.33 × 10−11 - 0.2 × 10−11 m2 , and in-plane diffusibility (ratio of effective diffusivity to molecular diffusivity) varies in the range of 0.72 – 0.18 for the selected range of compression and GDL samples. Figure 1 shows the GDL permeability for the samples with different PTFE loading at different levels of compression. Figure 2 shows the combined Fick’s and Darcy’s law model fit into the experimental data for a Toray 090 GDL sample at various levels of differential pressure between the oxygen and nitrogen channel at different levels of compression. Figure 3 shows the diffusibility for samples with different PTFE loading at different levels of compression. Results show that in-plane permeability reduces with compression and amount of PTFE in porous media while in-plane diffusivity decreases with compression due to decreasing porosity and decreases with increasing PTFE content. References [1] J. Phroah, Journal of Power Sources, 144, pp. 7782, (2005). [2] L. M. Pant, S. K. Mitra, M. Secanell, International Journal of Heat and Mass Transfer, 58, pp. 70–79, (2013).

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,011
Tête enseignante GPT0,212
Écart entre enseignants0,201 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueECS Meeting Abstracts→Même sujetFuel Cells and Related Materials→Travaux en français237 207→